Please use this identifier to cite or link to this item: https://repositorio.ufjf.br/jspui/handle/ufjf/18406
Files in This Item:
There are no files associated with this item.
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Devito, Karina Lopes-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4784774662242445pt_BR
dc.contributor.referee1Bernardino, Heder Soares-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/7733681743453751pt_BR
dc.contributor.referee2Silva, Rhonan Ferreira da-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/4551378145791273pt_BR
dc.creatorLopes Junior, William José-
dc.creator.Latteshttp://lattes.cnpq.br/9544187050863501pt_BR
dc.date.accessioned2025-03-31T15:30:23Z-
dc.date.available2025-03-27-
dc.date.available2025-03-31T15:30:23Z-
dc.date.issued2025-02-14-
dc.identifier.urihttps://repositorio.ufjf.br/jspui/handle/ufjf/18406-
dc.description.abstractThe estimation of chronological age using dental images is an essential practice in forensics dentistry, particularly for identifying individuals. This study employed convolutional neural networks (CNNs) to estimate the age of Brazilian adults based on tomographic images of maxillary central incisors. A total of 662 cone-beam computed tomography (CBCT) scans from patients aged 18 to 60 years were analyzed, amounting to 1,324 teeth. The process involved the training of four neural networks: the first (YOLOv8) identified and isolated the teeth in the original images; the second (YOLOv8) performed segmentation of the regions of interest (pulp chamber and dental crown); the third (ResNeXt-101) was trained to estimate age using regression based on coronal, sagittal, and concatenated tomographic slices (coronal and sagittal slices combined into a single image); and the fourth (ResNeXt-101) estimated age through regression based on the segmented images. The automated identification and segmentation of the regions of interest (pulp chamber and dental crown) achieved excellent performance metrics, with precision exceeding 0.9 for both the pulp chamber and dental crown. Regardless of the slice analyzed, the largest errors could be observed in older age groups. Additionally, the segmented images of specific areas of the pulp chamber and dental crown showed higher mean absolute errors (MAEs) compared to the detected tooth images. The lowest MAE, 4.99 years, was achieved through the analysis of concatenated detected images. The conclusion was that, although this study was limited to a specific population, the application of deep neural networks is an effective approach for estimating chronological age in forensic dentistry. This method overcomes the limitations of traditional manual methods, offering a more accurate and less bias-prone alternative.pt_BR
dc.description.resumoA estimativa da idade por meio de imagens dentais é uma prática essencial na odontologia forense, especialmente para a identificação de indivíduos. Este estudo utilizou redes neurais convolucionais (CCNs) para estimar a idade de adultos brasileiros a partir de imagens tomográficas dos incisivos centrais superiores. Foram analisados 662 exames de tomografia computadorizada de feixe cônico (TCFC) de pacientes com idades entre 18 e 60 anos, totalizando 1324 dentes. O processo envolveu o treinamento de quatro redes neurais: a primeira (YOLOv8) identificou e isolou os dentes nas imagens originais; a segunda (também YOLOv8) realizou a segmentação das áreas de interesse (câmara pulpar e coroa dental); a terceira (ResNeXt-101) foi treinada para estimar a idade por regressão utilizando cortes tomográficos coronais, sagitais e concatenados (cortes coronais e sagitais combinados em uma única imagem); e a quarta (também ResNeXt-101) estimou a idade através de regressão com base nas imagens segmentadas. A identificação e segmentação automatizada das áreas de interesse (câmara pulpar e coroa dental) atingiram excelentes métricas de desempenho, com precisão superior a 0,9 tanto para a câmara pulpar quanto para a coroa dental. Independentemente do corte analisado, os maiores erros foram observados nas faixas etárias mais avançadas. Além disso, as imagens segmentadas nas áreas específicas da câmara pulpar e coroa dental apresentaram erros médios absolutos (MAEs) superiores aos das imagens dos dentes (imagens detectadas). O menor MAE, de 4,99 anos, foi obtido a partir da análise das imagens concatenadas detectadas. Pode-se concluir que, apesar do presente estudo limitar-se a uma população específica, a aplicação de redes neurais profundas é uma abordagem eficaz para a estimativa de idade na odontologia forense, que reduz as limitações dos métodos manuais tradicionais, oferecendo uma alternativa mais precisa e menos suscetível a vieses.pt_BR
dc.description.sponsorshipCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superiorpt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Juiz de Fora (UFJF)pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentFaculdade de Odontologiapt_BR
dc.publisher.programPrograma de Pós-graduação em Clínica Odontológicapt_BR
dc.publisher.initialsUFJFpt_BR
dc.rightsAcesso Embargadopt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectOdontologia forensept_BR
dc.subjectEstimativa de idadept_BR
dc.subjectTomografia computadorizada de feixe cônicopt_BR
dc.subjectRede neural convolucionalpt_BR
dc.subjectForensic dentistrypt_BR
dc.subjectAge estimationpt_BR
dc.subjectCone-beam computed tomographypt_BR
dc.subjectConvolutional neural networkspt_BR
dc.subject.cnpqCNPQ::CIENCIAS DA SAUDE::ODONTOLOGIApt_BR
dc.titleAplicação de redes neurais na estimativa da idade de adultos a partir de imagens tomográficas de incisivos centrais superiorespt_BR
dc.typeDissertaçãopt_BR
Appears in Collections:Mestrado em Odontologia (Dissertações)



This item is licensed under a Creative Commons License Creative Commons